如何讨论高斯生成模型2020年12月26日我感谢您的评论。给我发电子邮件！雇用我！ 因此，我们刚刚看到了多元高斯函数，它是任意维度数据的流行而强大的概率分布。今天，我们将研究使用这些发行版来构建分类器。现在，我们介​​绍了生成方法进行分类，在该方法中，我们将概率分布分别适合每个类。我们今天要看的是由此产生的各种决策边界。因此，让我们从酿酒厂数据开始。如果您还记得的话，这是一个包含三个类别的数据集，分别代表三个不同的酿酒厂和13个功能。我们仅从选择一项功能（酒精度）开始，对于这三个类别中的每一个，我们都为此功能拟合了一个一维高斯分布。所得分类器在测试集上的错误率为29％，根本不是很好。然后，我们添加了第二个特征，类黄酮，并且对每个类都拟合了一个二元高斯函数，这就是您在此处看到的结果，即三个椭球体。而分类边界，决策边界竟然是这个。因此，此处的点被归类为红色，此处的点被归类为绿色，此处的点被归类为黑色，并且添加第二个特征使测试误差从29％下降至仅8％。但是，既然我们已经控制了多元高斯，就可以使用所有13个功能。因此，我们可以对